|
1.內(nèi)容提要 本書(shū)以視頻監(jiān)控中關(guān)注人員目標(biāo)的精準(zhǔn)跟蹤識(shí)別為抓手，以多攝像機(jī)聯(lián)動(dòng)協(xié)同跟蹤技術(shù)為主線(xiàn)，以視覺(jué)基因組為內(nèi)核，以視頻結(jié)構(gòu)化描述技術(shù)體系為筋骨，以視頻感知融合主動(dòng)安防機(jī)制的現(xiàn)實(shí)應(yīng)用為脈絡(luò)，通過(guò)槍球聯(lián)動(dòng)、空地聯(lián)動(dòng)、一體化指揮、大場(chǎng)景全景監(jiān)控、攝像機(jī)語(yǔ)音調(diào)度、VR可視化應(yīng)用等熱點(diǎn)應(yīng)用的系統(tǒng)闡述，形成了對(duì)當(dāng)前視頻監(jiān)控應(yīng)用熱點(diǎn)技術(shù)圖景式的描繪，從技術(shù)細(xì)節(jié)到宏觀應(yīng)用的分層疊進(jìn)的探索，使得讀者對(duì)視頻監(jiān)控網(wǎng)絡(luò)中的多攝像機(jī)協(xié)同技術(shù)及其融合應(yīng)用的發(fā)展脈絡(luò)有了一個(gè)由表及里的立體直觀認(rèn)識(shí)。 本書(shū)適宜閱讀對(duì)象為對(duì)多攝像機(jī)協(xié)同智能視頻監(jiān)控系統(tǒng)有所了解的安防從業(yè)技術(shù)人員，也可為具備一定的視頻結(jié)構(gòu)化分析領(lǐng)域基礎(chǔ)知識(shí)的科研人員和高年級(jí)本科生及研究生提供多攝像機(jī)協(xié)同跟蹤方向較為全面的技術(shù)參考。 2.目錄 1緒論1 1.1視頻監(jiān)控系統(tǒng)的發(fā)展1 1.1.1傳統(tǒng)視頻的不足1 1.1.2智能視頻監(jiān)控的應(yīng)用2 1.1.3大場(chǎng)景多攝像機(jī)協(xié)同監(jiān)控5 1.2視頻協(xié)同跟蹤研究現(xiàn)狀15 1.3視頻偵查領(lǐng)域的應(yīng)用需求182運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤22 2.1運(yùn)動(dòng)目標(biāo)檢測(cè)23 2.1.1混合高斯建模23 2.1.2光流法23 2.1.3監(jiān)督學(xué)習(xí)法24 2.2行人檢測(cè)算法25 2.2.1頭肩模型27 2.2.2DPM模型29 2.2.3行人檢測(cè)算法評(píng)價(jià)準(zhǔn)則30 2.3跟蹤策略分類(lèi)31 2.3.1點(diǎn)跟蹤法32 2.3.2核跟蹤法36 2.3.3剪影跟蹤法39 2.4常用人體跟蹤算法42 2.4.1卡爾曼濾波法43 2.4.2MeanShift算法433全景生成及槍球聯(lián)動(dòng)46 3.1全景生成技術(shù)47 3.1.1靜態(tài)全景拼接47 3.1.2動(dòng)態(tài)全景拼接49 3.2槍球聯(lián)動(dòng)系統(tǒng)簡(jiǎn)介50 3.3槍球聯(lián)動(dòng)系統(tǒng)結(jié)構(gòu)54 3.3.1模擬架構(gòu)槍球聯(lián)動(dòng)55 3.3.2數(shù)字高清架構(gòu)槍球聯(lián)動(dòng)56 3.3.3網(wǎng)絡(luò)高清架構(gòu)槍球聯(lián)動(dòng)58 3.4協(xié)同控制策略58 3.4.1目標(biāo)靜止時(shí)的協(xié)同控制58 3.4.2目標(biāo)運(yùn)動(dòng)時(shí)的協(xié)同控制59 3.4.3運(yùn)動(dòng)狀態(tài)轉(zhuǎn)換時(shí)的協(xié)同控制59 3.5“一槍多球”及“多槍一球”604人臉檢測(cè)技術(shù)63 4.1人臉檢測(cè)技術(shù)的發(fā)展63 4.2常規(guī)人臉檢測(cè)方法64 4.2.1膚色建模65 4.2.2Haar和LBP特征68 4.2.3分類(lèi)器級(jí)聯(lián)70 4.2.4基于膚色建模與Haar特征的人臉檢測(cè)74 4.3深度學(xué)習(xí)框架下的人臉檢測(cè)76 4.3.1FacenessNet人臉檢測(cè)算法76 4.3.2SeetaFace人臉檢測(cè)算法77 4.3.3Faster RCNN人臉檢測(cè)算法78 4.4人臉定位與放大79 4.5人臉檢測(cè)加速技術(shù)815深度學(xué)習(xí)機(jī)制下的目標(biāo)識(shí)別82 5.1深度學(xué)習(xí)發(fā)展歷程82 5.2深度學(xué)習(xí)主流框架介紹83 5.2.1Caffe84 5.2.2Torch105 5.2.3TensorFlow105 5.3深度學(xué)習(xí)在人臉檢測(cè)識(shí)別方面的最新進(jìn)展107 5.3.1科研院所方面的工作107 5.3.2產(chǎn)業(yè)方面的工作107 5.4我們的工作108 5.4.1深度學(xué)習(xí)人臉驗(yàn)證108 5.4.2ImageNet方面的工作114 5.4.3TRECVID方面的工作1156攝像機(jī)標(biāo)定與圖像特征匹配方法研究116 6.1透視攝像機(jī)標(biāo)定方法117 6.1.1傳統(tǒng)的攝像機(jī)標(biāo)定方法118 6.1.2攝像機(jī)自標(biāo)定方法127 6.2全景攝像機(jī)標(biāo)定方法130 6.2.1多攝像機(jī)聯(lián)動(dòng)131 6.2.2魚(yú)眼攝像機(jī)標(biāo)定方法137 6.2.3全向攝像機(jī)標(biāo)定方法139 6.3圖像特征匹配方法147 6.3.1特征點(diǎn)匹配148 6.3.2特征直線(xiàn)匹配150 6.3.3重復(fù)性紋理圖像匹配1517人員目標(biāo)結(jié)構(gòu)化描述及檢索154 7.1視頻結(jié)構(gòu)化描述技術(shù)154 7.2視頻結(jié)構(gòu)化描述和語(yǔ)義網(wǎng)156 7.3人員信息結(jié)構(gòu)化描述158 7.3.1人員面部信息結(jié)構(gòu)化描述158 7.3.2人員行為模式結(jié)構(gòu)化描述167 7.4個(gè)性化檢索引擎1688監(jiān)控大數(shù)據(jù)與主動(dòng)安防體系170 8.1視頻監(jiān)控進(jìn)入大數(shù)據(jù)時(shí)代170 8.1.1視頻大數(shù)據(jù)的應(yīng)用難點(diǎn)172 8.1.2基于大數(shù)據(jù)框架的下一代視頻監(jiān)控系統(tǒng)174 8.1.3基于VSD的監(jiān)控視頻大數(shù)據(jù)分析176 8.2主動(dòng)視覺(jué)感知融合安防體系180 8.2.1知識(shí)圖譜182 8.2.2視覺(jué)基因組187 8.2.3基于主動(dòng)視覺(jué)融合的安防體系195 8.3語(yǔ)音識(shí)別及VR眼鏡等新技術(shù)的應(yīng)用1999視頻一體化指揮應(yīng)用201 9.1發(fā)展現(xiàn)狀201 9.2立體防控技術(shù)解決方案205 9.2.1立體防控技術(shù)205 9.2.2大型活動(dòng)立體防控平臺(tái)206 9.2.3大型活動(dòng)立體防控平臺(tái)應(yīng)用207 9.3未來(lái)工作21110總結(jié)與展望212 10.1本書(shū)總結(jié)212 10.2領(lǐng)域發(fā)展展望212 參考文獻(xiàn)214 |
精品新書(shū)
|
| ||||||
|
| ||||||
|
| ||||||
|
| ||||||
 |
 |
